Mengamati Data Kecil

HANDINING

Data raksasa (big data) tengah memukau dunia. Kini pemerintah, korporasi, hingga pribadi berusaha memanfaatkan data raksasa untuk mengambil sebuah keputusan. Meski demikian, kini muncul antitesanya, keputusan bisa juga berdasar data kecil (small data). Bagaimana korporasi bisa memanfaatkan keduanya?

Ketika memesan kamar di sebuah laman pemesanan hotel, kita akan mendapatkan peringkat hotel itu berdasarkan penilaian konsumen, skalanya 1-10. Kita juga bisa mengetahui ulasan para konsumen yang jumlahnya melimpah. Secara umum kita akan mengambil hotel yang peringkatnya tinggi. Setidaknya menjamin kita bahwa hotel ini layak huni.


Akan tetapi, lihatlah secara detail. Di antara data raksasa itu, ada data kecil berupa ulasan-ulasan yang kadang menarik dan perlu menjadi perhatian. Hotel dengan skor 7,5 pasti lebih baik dibandingkan hotel dengan skor 5,5.

Meski demikian, bila kita cari data kecilnya seperti satu atau dua komentar di hotel dengan skor 7,5, maka akan dapat informasi menarik. Salah satunya semisal perilaku staf yang tidak ramah dan tidak membantu. Sebaliknya di hotel dengan skor 5,5 pastilah tidak banyak menarik konsumen, tetapi bila kita jeli akan ada fakta menarik semisal pujian tamu yang pernah menginap di hotel itu, seperti layanan yang cepat dan sangat membantu.

Bila kita cek, kita tidak akan sulit menemukan fakta itu. Ulasan dan peringkat dari konsumen merupakan respons dan apresiasi murni tamu terhadap hotel itu. Sebuah artikel di majalah Business Harvard Review terbaru mengemukakan rezim peringkat dan ulasan merupakan apresiasi yang sebenarnya bisa dimanipulasi. Akan tetapi, upaya manipulasi itu akan memukul balik perusahaan yang berusaha melakukannya. Sebuah perusahaan di China pernah menawarkan sebuah insentif bagi mereka yang mau membuat ulasan untuk perusahaannya.

Apa yang terjadi? Jumlah mereka yang mau memberi ulasan malah turun 30 persen dalam sebulan. Selama ini mereka tulus memberikan penilaian, tetapi mereka akan malu ketika ulasan itu entah baik atau buruk dipertanyakan oleh teman-temannya. Mereka ternyata malu bila ulasannya itu dilakukan karena dibayar. Riset itu meyakinkan kita bahwa peringkat dan ulasan itu masih murni dari suara konsumen.

Pelajaran kasus itu bagi korporasi adalah, kesimpulan bisa ditarik berdasar data raksasa. Dalam kasus ini berupa peringkat hotel itu. Pada saat yang sama korporasi perlu mengamati ulasan-ulasan yang ada atau data-data kecil.

Data kecil itulah yang sebenarnya menjadi sumber informasi bagi pemilik hotel dengan peringkat tinggi untuk melakukan perbaikan bisnis, bukan malah terlena dengan peringkatnya yang tinggi. Sementara bagi hotel dengan peringkat rendah sudah pasti memanfaatkan data peringkat untuk perbaikan dan memanfaatkan data kecil berupa apresiasi konsumen untuk memperkuat ciri khas mereka, yaitu karyawan yang dikenal ramah dalam pelayanan.

Dalam skala yang lebih luas, seperti untuk mengubah haluan perusahaan (turnaround) ketika terjadi krisis, seorang konsultan bernama Martin Lindstrom menyebutkan bahwa, tidak semua perubahan harus menggunakan data raksasa atau data yang kompleks. Ia yang ikut menyelamatkan beberapa perusahaan, seperti tertulis dalam bukunya Small Data, The Tiny Clues That Uncover Huge Trends, menceritakan untuk mengubah haluan sebuah perusahaan ia bertemu dan bertanya dengan anak berumur 11 tahun di sebuah apartemen, bertemu dengan penumpang di bandara, bertemu dengan pengemudi taksi, dan lain-lain.

Oleh karena itu, korporasi tidak perlu sepenuhnya terkagum-kagum dengan data raksasa. Data kecil kadang malah memberi informasi besar untuk perbaikan bisnis. Kombinasi penggunaan data raksasa dan data kecil mungkin lebih menolong korporasi. (ANDREAS MARYOTO)
---------------
Versi cetak artikel ini terbit di harian Kompas edisi 13 September 2017, di halaman 17 dengan judul "Mengamati Data Kecil".